ts-proto 项目中的 gRPC 客户端实现解析
2025-07-02 11:58:00作者:羿妍玫Ivan
ts-proto 是一个强大的 TypeScript 协议缓冲区(Protocol Buffers)工具,它能够生成类型安全的 gRPC 客户端和服务端代码。在 Node.js 环境中使用 ts-proto 生成的客户端代码时,开发者需要理解如何正确配置和使用 RPC 接口。
客户端实现结构分析
ts-proto 生成的客户端类通常遵循以下结构:
export class FooClientImpl {
private readonly rpc: Rpc;
private readonly service: string;
constructor(rpc: Rpc, opts?: { service?: string }) {
this.service = opts?.service || "Foo";
this.rpc = rpc;
this.foo = this.foo.bind(this);
}
foo(request: FooRequest): Promise<FooResponse> {
const data = FooRequest.encode(request).finish();
const promise = this.rpc.request(this.service, "FooService", data);
return promise.then((data) => Foo.decode(_m0.Reader.create(data)));
}
}
关键点在于 Rpc 接口的定义:
interface Rpc {
request(
service: string,
method: string,
data: Uint8Array
): Promise<Uint8Array>;
}
在 Node.js 中的实际应用
要在 Node.js 环境中使用这个客户端,开发者需要提供一个实现了 Rpc 接口的对象。常见的实现方式有以下几种:
1. 使用 grpc-js 实现
grpc-js 是 Google 官方维护的 gRPC Node.js 实现。可以这样创建适配器:
import * as grpc from '@grpc/grpc-js';
class GrpcJsRpc implements Rpc {
private client: grpc.Client;
constructor(client: grpc.Client) {
this.client = client;
}
request(service: string, method: string, data: Uint8Array): Promise<Uint8Array> {
return new Promise((resolve, reject) => {
this.client.makeUnaryRequest(
`/${service}/${method}`,
(arg) => arg,
(arg) => arg,
data,
(err, response) => {
if (err) return reject(err);
resolve(response as Uint8Array);
}
);
});
}
}
2. 使用 nice-grpc 实现
nice-grpc 是一个更现代的 gRPC Node.js 客户端库,它提供了更好的 TypeScript 支持:
import { createChannel, createClientFactory } from 'nice-grpc';
class NiceGrpcRpc implements Rpc {
private channel: ReturnType<typeof createChannel>;
constructor(channel: ReturnType<typeof createChannel>) {
this.channel = channel;
}
async request(service: string, method: string, data: Uint8Array): Promise<Uint8Array> {
const client = createClientFactory().create(service, methodDescriptor);
const response = await client.method(data);
return response;
}
}
实际使用示例
结合上述实现,可以这样使用 ts-proto 生成的客户端:
// 使用 grpc-js 实现
const grpcClient = new grpc.Client('localhost:50051', grpc.credentials.createInsecure());
const rpcImpl = new GrpcJsRpc(grpcClient);
const fooClient = new FooClientImpl(rpcImpl);
// 调用服务
const response = await fooClient.foo({ /* 请求参数 */ });
最佳实践建议
- 连接管理:考虑实现连接池或重用客户端实例,避免频繁创建新连接
- 错误处理:在 RPC 实现中添加适当的错误处理和重试逻辑
- 性能优化:对于高频调用,可以考虑批处理或流式处理
- 类型安全:充分利用 ts-proto 生成的类型定义,确保编译时类型检查
通过理解 ts-proto 生成的客户端结构和 RPC 接口,开发者可以灵活地在 Node.js 环境中集成各种 gRPC 实现,构建类型安全的高性能微服务应用。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
278
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.74 K